字节多模态算法岗凉经AML
首先是自我介绍
然后深挖论文
中间夹杂着一些基础的八股，比如GRU和LSTM的区别，CLIP的操作步骤
手撕题目是（1）写个CLIP模型的伪代码(2)求字符串的最长无重复子串
这两个都不算难，写出来了
二面（0818）
自我介绍＋深挖论文
然后开始拷打八股:CLIP和BEIT V3的区别;BEIT V3除了BERT外还有别的特殊的设计吗;V3和V2的 embbeding有什么不同;VIT的patch怎么做的;224*224*3的图像做成14*14的patch的话，最后sequence的长度是多少;Transformer里的position encoding怎么做的;相对位置编码和绝对位置编码有什么区别吗;具体实现相对位置编码该怎么做;了不了解其他的大模型;了不了解CV领域一些预训练的模型;了不了解对比学习;了不了解coco,simclr等对比学习方法，是怎么具体做的;等等（还有很多太细节的记不清了）
Transformer里的layer normal是怎么实现的，那手撕来实现一个Transformer里的layer normal吧
(爆炸，纯坐牢，到后面只要我会的说一半就会被打断换成别的更细的问题，八股被拷打晕了，很多不会的)
类似资料：